基于对抗知识蒸馏的闪电般快速视频异常检测
计算机视觉与模式识别
2024-07-18 v4 人工智能
机器学习
多媒体
机器学习
摘要
我们提出了一种用于视频异常检测的极快速帧级模型，该模型通过从多个高精度目标级教师模型中蒸馏知识来学习检测异常。为了提高学生模型的保真度，我们通过联合应用标准蒸馏和对抗蒸馏来蒸馏教师的低分辨率异常图，为每个教师引入一个对抗判别器，以区分目标异常图和生成的异常图。我们在三个基准数据集（Avenue、ShanghaiTech、UCSD Ped2）上进行了实验，结果表明我们的方法比最快的竞争方法快7倍以上，比以目标为中心的模型快28到62倍，同时获得了与近期方法相当的结果。我们的评估还表明，由于达到了前所未有的1480 FPS速度，我们的模型在速度和精度之间实现了最佳权衡。此外，我们进行了全面的消融研究，以证明我们架构设计选择的合理性。我们的代码可在以下地址免费获取：https://github.com/ristea/fast-aed。
引用
@article{arxiv.2211.15597,
title = {Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation},
author = {Florinel-Alin Croitoru and Nicolae-Catalin Ristea and Dana Dascalescu and Radu Tudor Ionescu and Fahad Shahbaz Khan and Mubarak Shah},
journal= {arXiv preprint arXiv:2211.15597},
year = {2024}
}
备注
Accepted in Computer Vision and Image Understanding